EmbodiedLab 基准发布：机器人先动手实验再回答问题，最强模型成功率不足一半

一句话看懂：Hugging Face Papers 收录的 EmbodiedLab 把“动手做实验才知道答案”变成可量化评测：机器人在物理模拟实验室里自选步骤操作仪器，评测它最终“知道了什么、做成了什么”。

事件核心：发生了什么

据论文摘要（原始来源发布时间为 2026 年 10 月 26 日），研究团队提出 EmbodiedLab 基准。它覆盖 5 个学科、30 个实验、14 种实验装置平台；每个实例的系统参数重新采样，结果无法预先知道，但可精确打分。智能体只拿到目标与装置，需自行决定实验流程，通过摄像头读取仪表，在基于物理的模拟实验室中操作。

评测既检查智能体最终获得的知识（须与实验过程中记录到的读数对应），也检查任务要求的物理状态。摘要称每个实验都已验证可解。团队在开发者提供的编码代理环境中评测了 6 个前沿模型，并比较原生控制、加入感知与运动规划、以及从最强智能体蒸馏操作技能三种条件。

为什么重要

现有操作类基准大多停在“按给定目标改变状态”，科学发现类基准则常用符号动作或数值查询替代真实物理实验。EmbodiedLab 试图补上中间地带：改变世界状态只是手段，认知才是目的。这更贴近真实科研与工程调试，也对具身智能的感知、规划、操作和学习能力提出联合要求。

摘要给出的结果是：在原生控制条件下，最强智能体成功率也不到一半；对每个智能体而言，多数失败发生在与装置交互环节；操作技能对较弱智能体帮助更大，感知与规划增益相对有限。这提示当前大模型在编码代理中的能力，距离稳定完成物理实验仍有明显差距。需要说明的是，以上仅为摘要信息，并非经同行评审确认的永久排名，评测结论限于该基准与所测条件。

对用户/开发者/创作者的影响

对具身智能开发者，这是一个可复现的评测起点：基准与评测代码已在 GitHub 开源，可用于比较不同 VLA 模型、操作技能蒸馏和感知规划模块的贡献。对机器人应用团队，它提醒“会写代码”不等于“会做实验”，落地场景中的仪器操作、异常恢复和读数理解仍需专门训练。对关注科研自动化的用户，短期内更现实的用途是作为研究工具，而非可直接替代实验人员的产品。